“冯雨麒”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]面向图像分类的神经网络架构构建和训练方法及系统-CN202310065582.0在审
发明人：孙亚楠;冯雨麒;王聪;陈红阳;宋孝天;吕泽琼 -专利权人：之江实验室;四川大学
申请日： 2023-01-16 - 公布日： 2023-09-15 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种面向图像分类的神经网络架构构建和训练方法及系统，其中构建和训练方法包括获取搜索空间，并对其每个搜索单元赋予一个权重形成超网；采用图像分类训练集对超网中的可训练权重进行训练和更新；对训练后超网中可训练权重进行训练和更新，每个次更新可训练权重后，根据所有搜索单元的无偏估计量更新架构参数；选取搜索空间中每条边所有架构参数中最大值对应的搜索单元，存储至单元集合中；遍历单元集合中搜索单元，将模型参数未超过设定阈值的搜索单元加入架构中，形成神经网络架构；连接多个神经网络架构形成图像分类神经网络，并对图像分类神经网络进行训练；将采集的分类图像输入训练后的图像分类神经网络，输出分类图像的类别。
面向图像分类神经网络架构构建训练方法系统

[实用新型]一种升降式服务器机柜-CN202222776466.3有效
发明人： 冯雨麒;孙亚楠;邓书超;宋孝天 -专利权人：四川大学
申请日： 2022-10-19 - 公布日： 2023-03-24 - 主分类号： H05K7/14 文献下载
摘要：本实用新型公开了一种升降式服务器机柜，属于服务器机柜设计技术领域，解决了现有服务器机柜在上层中安装服务器费时费力的问题；其包括服务器机柜主体；服务器机柜主体对立的两侧设有可拆卸的服务器滑轨，服务器机柜主体的底部设有剪式升降装置；剪式升降装置抬高服务器至安装高度后，与服务器滑轨配合将服务器固定在服务器机柜主体内。本实用新型利用剪式升降装置抬高服务器至安装高度后，再将服务器与服务器滑轨连接，相对于通过人力抬高服务器，利用剪式升降装置抬高服务器可更加轻松、便捷、安全地完成服务器安装工作。
一种升降服务器机柜

[实用新型]一种计算机主机散热结构-CN202222794357.4有效
发明人：邓书超;孙亚楠;宋孝天;冯雨麒 -专利权人：四川大学
申请日： 2022-10-21 - 公布日： 2023-02-21 - 主分类号： G06F1/20 文献下载
摘要：本实用新型公开了一种计算机主机散热结构，属于计算机散热技术领域，解决了现有的计算机主机散热装置主要针对计算机主机内的CPU散热，而未对显卡、主板等其他发热硬件进行散热从而影响计算机效率的问题；其包括计算机机箱，计算机机箱的一侧面开口设置，其开口处可拆卸的设有防尘网格，且开口处的一端与防尘网格门的一侧活动连接；防尘网格门的另外一侧与计算机机箱卡接；计算机机箱内设有十字架，十字架的中心设有散热风扇，散热风扇与计算机机箱内的电源相连。本实用新型利用散热风扇产生的风力将发热硬件产生的热量通过防尘网格带出计算机，从而对计算机主机内的发热硬件均产生很好的降温效果，且通过防尘网格门便于更换和清洗防尘网格。
一种计算机主机散热结构

[发明专利]一种在CANN计算构架下自动优化晟腾AI处理器性能及精度的方法-CN202210854068.0在审
发明人：孙亚楠;梁子轩;宋孝天;欧玉威;冯雨麒 -专利权人：四川大学
申请日： 2022-07-13 - 公布日： 2022-11-29 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种在CANN计算构架下自动优化晟腾AI处理器性能及精度的方法，包括如下步骤:步骤一，获取神经网络中所有的算子，根据算子的数据类型进行二进制编码；步骤二，初始化候选解种群，生成预设数量的候选解；步骤三，适应度评估，以生成的候选解设置进行神经网络的训练，得到性能数据，若候选解个体的性能数据以及溢出数据都满足预设的，则将其性能数据的倒数作为其适应度；步骤四，选择候选解进行交叉、变异以生成下一代种群；步骤五，判断是否满足预设的中止条件，若满足，输出最佳方案，根据最佳方案对昇腾AI处理器性能及精度进行优化；若不满足，返回步骤三。通过本发明，可以实现在满足性能要求的同时尽可能地提高精度。
一种 cann 计算构架自动优化 ai 处理器性能精度方法

[发明专利]面向图神经网络的鲁棒神经架构搜索方法及其系统-CN202210744891.6在审
发明人：孙亚楠;冯雨麒;王聪;陈红阳 -专利权人：之江实验室;四川大学
申请日： 2022-06-28 - 公布日： 2022-09-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种面向图神经网络的鲁棒神经架构搜索方法及其系统，搜索方法包括定义搜索单元、搜索空间和GNN架构；在搜索空间中搜索若干GNN架构，并对所有的GNN架构进行训练；采用对抗攻击方法生成对抗样本，将对抗样本输入每个已训练的GNN架构，将输出的准确率作为其鲁棒性指标；根据GNN架构的鲁棒性指标，搜索出具有相邻下标的GNN架构中满足预设条件的搜索单元，并存储至搜索单元集合；根据搜索单元集合B*中的搜索单元，采用概率增强搜索策略搜索搜索空间中每条边最大权重对应的操作；采用搜索出的每条边的最大权重对应的操作构建形成GNN神经网络架构。
面向神经网络神经架构搜索方法及其系统

[发明专利]一种基于约束条件下的演化神经网络的目标检测方法-CN202111238755.1有效
发明人：孙亚楠;李思毅;吴杰;冯雨麒;谢香凝;陈圣嘉 -专利权人：四川大学
申请日： 2021-10-25 - 公布日： 2022-08-12 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于约束条件下的演化神经网络的目标检测方法，其包括构建若干结构块和由若干个体构成的种群，通过变长编码方式对每个个体进行编码，即完成种群初始化；根据训练数据集对每个个体进行训练更新；在验证数据集上对个体进行评估，计算个体准确率和复杂度得到个体适应度；根据预设的约束量，利用约束控制方法调整个体适应度，并调整准确率超过阈值的个体构架；根据调整后的适应度从种群中选择父本，通过父本交叉生成一级子代，并使一级子代概率性发生变异，生成二级子代；对父代、一级子代和二级子代进行选择，生成新的种群，进行迭代进化。本发明设计轻量结构单元利用约束方法，不用人工经验达到优化的目标检测结果。
一种基于约束条件下演化神经网络目标检测方法